Когда компьютеры говорят, как они должны звучать? Это был первый вопрос, с которым команда лингвистов, инженеров и маркетологов из ИБМ столкнулась, когда начали разработку функции, которая превратит текст в речь.
Задача создания компьютерной “личности” – сейчас одна из наиболее важных для растущего числа разработчиков, поскольку люди, у которых заняты руки, используют портативную технику, все чаще применяя именно голосовое взаимодействие.
Не только компьютеры и смартфоны, но и другая техника слушает, понимает и отвечает. Голоса были добавлены различным повседневным объектам использования, таким как автомобили и игрушки, а также бытовой технике.
Пока что невозможно создать компьютеризированный голос, который бы ничем не отличался от человеческого ни для чего-либо более чем короткие фразы, которые могут быть использованы для прогноза погоды или определять направление движения.
Помимо правильного произношения, есть еще большая проблема – это правильное применение человеческих качеств, таких как интонации и эмоции в речи.
Сегодня, не смотря на прогресс, невозможно полностью передать разнообразные эмоции человеческой речи с помощью искусственного интеллекта.
Корни современной речевой технологии синтеза лежат в ранней работе шотландского программиста Алана Блэка, который теперь работает преподавателем в Институте лингвистических технологий в Университете Карнеги-Меллон.
Мистер Блэк признает, что, хотя и был достигнут значительный прогресс, система синтеза речи пока не достигает подобного человеку совершенства. «Проблема в том, что мы не можем просто сказать машине, «скажи это с чувством»» объяснил он.
Исследователи из IBM прослушали голоса 25 актеров в поисках конкретного человека для создания компьютерного голоса. Больше всего им понравилось, когда они «играли» с различными способами изменения голосов, даже в одной точке частотного сдвига, он звучал как голос ребенка.
Исследователи искали машинный голос, который был бы плавным, стабильным и самое главное “приятным”. В конце концов, они, действовали больше как художники, чем инженеры. Голос, которого они достигли, является явно компьютерным, но он кажется оптимистичным и даже немного живым.
“Хороший интерфейс компьютерной машины – художественное произведение и должен рассматриваться как таковой”, сказал старший менеджер IBM.